SQL en Snowflake

Snowflake usa SQL como interfaz principal para consultar, transformar, administrar y gobernar datos. Su dialecto es cercano a SQL estandar, con funciones propias para datos semiestructurados, fechas, ventanas y carga.

Contexto de sesion

Antes de trabajar, fija contexto:

USE ROLE analyst_role;
USE WAREHOUSE bi_wh;
USE DATABASE analytics_db;
USE SCHEMA marts;

Comprueba:

SELECT CURRENT_ROLE(), CURRENT_WAREHOUSE(), CURRENT_DATABASE(), CURRENT_SCHEMA();

Consultas basicas

SELECT customer_id, order_date, total_amount
FROM fact_orders
WHERE order_date >= '2026-01-01'
ORDER BY order_date DESC
LIMIT 100;

Fechas

SELECT
  DATE_TRUNC('month', order_date) AS month,
  SUM(total_amount) AS revenue
FROM fact_orders
GROUP BY 1
ORDER BY 1;

Window functions

SELECT
  customer_id,
  order_date,
  total_amount,
  SUM(total_amount) OVER (
    PARTITION BY customer_id
    ORDER BY order_date
  ) AS running_total
FROM fact_orders;

Datos semiestructurados

Snowflake usa VARIANT para JSON, Avro, Parquet y otros formatos.

CREATE TABLE raw_events (
  payload VARIANT,
  loaded_at TIMESTAMP_NTZ DEFAULT CURRENT_TIMESTAMP()
);

Consultar JSON:

SELECT
  payload:user:id::STRING AS user_id,
  payload:event_type::STRING AS event_type
FROM raw_events;

FLATTEN

SELECT
  e.payload:order_id::STRING AS order_id,
  item.value:sku::STRING AS sku
FROM raw_events e,
LATERAL FLATTEN(input => e.payload:items) item;

Buenas practicas

• Usa USE para dejar contexto claro.
• Castea VARIANT a tipos explicitos en capas limpias.
• Evita SELECT * en modelos finales.
• Filtra por columnas que ayuden al pruning.
• Usa nombres consistentes en schemas y tablas.

Errores comunes

• Consultar VARIANT directamente en dashboards finales.
• Usar warehouses grandes para consultas pequenas.
• No limitar exploraciones sobre tablas enormes.
• Mezclar SQL de transformacion con administracion sin separar roles.
• No revisar el historial de consultas costosas.